AI Agent

From Logic Monopoly to Social Contract: Separation of Power and the Institutional Foundations for Autonomous Agent Economies

从逻辑垄断到社会契约：权力分离与自主代理经济制度的基础

Anbang Ruan

机构 * NetX Foundation（NetX 基金会） 纠错

专题命中 多智能体 ：agent(title,abstract)；autonomous agent(title)；agentic(abstract)；multi-agent(abstract)

AI总结 本文提出通过社会契约实现权力分离，解决多智能体框架中的逻辑垄断问题，引入Agent Enterprise paradigm并构建NetX Enterprise Framework，建立自主代理经济体系。

Comments 143 pages, 15 tables, 23 figures, 173 references, 4 appendices. Working paper -- pre-peer-review preprint. LaTeX source with arXiv-style template. Three companion manuscripts under development targeting peer-reviewed venues

A Multimodal Framework for Human-Multi-Agent Interaction

人-多智能体交互的多模态框架

Shaid Hasan, Breenice Lee, Sujan Sarker, Tariq Iqbal

机构 * University of Virginia（弗吉尼亚大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出一个多模态框架，用于人与多智能体交互，通过集成多模态感知和大语言模型驱动的规划，实现自主认知代理的协调决策，解决现有系统在统一框架下整合多模态感知、具身表达和协同决策的难题。

Comments 4 pages, 3 figures. Accepted at ACM/IEEE HRI 2026 Workshop (MAgicS-HRI)

Spatio-Temporal Attention Enhanced Multi-Agent DRL for UAV-Assisted Wireless Networks with Limited Communications

时空注意力增强的多智能体深度强化学习用于受限制通信的无人机辅助无线网络

Che Chen, Lanhua Li, Shimin Gong, Yu Zhao, Yuming Fang, Dusit Niyato

机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学智能系统工程学院深圳校区） ； Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai)（广东海洋工程科学实验室（珠海）） ； Department of Equipment Management and Unmanned Aerial Vehicle Engineering, Air Force Engineering University（空军工程大学装备管理与无人机工程系） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出一种延迟容忍的多智能体深度强化学习算法，结合延迟惩罚奖励促进无人机间信息共享，并优化轨迹规划、网络形成和传输控制策略，同时采用时空注意力预测方法恢复丢失信息，提升网络容量和吞吐量。

SkillProbe: Security Auditing for Emerging Agent Skill Marketplaces via Multi-Agent Collaboration

SkillProbe：通过多智能体协作实现新兴智能体技能市场places的安全审计

Zihan Guo, Zhiyu Chen, Xiaohang Nie, Jianghao Lin, Yuanjian Zhou, Weinan Zhang

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.SE

AI总结 针对LLM智能体生态系统中技能市场面临的安全挑战，提出SkillProbe框架，通过多智能体协作实现技能审计，揭示高流行技能的安全性不足及系统性风险。

Comments 16 pages, 6 figures

Risk-Bounded Multi-Agent Visual Navigation via Iterative Risk Allocation

基于迭代风险分配的有界多智能体视觉导航

Viraj Parimi, Brian C. Williams

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出风险有界多智能体路径规划框架，通过动态分配风险预算提升多智能体在高风险环境中的导航效率与安全性。

Comments Published at ICAPS '26

I Can't Believe It's Corrupt: Evaluating Corruption in Multi-Agent Governance Systems

我难以相信它腐败了：评估多智能体治理系统中的腐败

Vedanta S P, Ponnurangam Kumaraguru

机构 * IIIT Kottayam（科瓦亚姆理工学院） ； IIIT Hyderabad（海得拉巴理工学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；autonomous agent(abstract)；分类 cs.AI

AI总结 研究通过多智能体治理模拟评估机构AI的腐败问题，发现治理结构比模型身份更影响腐败结果，强调机构设计对安全委托的重要性。

Comments Short Paper, Preprint

VeriAgent: A Tool-Integrated Multi-Agent System with Evolving Memory for PPA-Aware RTL Code Generation

VeriAgent：一种集成工具的多智能体系统，具有进化记忆，用于PPA感知的RTL代码生成

Yaoxiang Wang, Qi Shi, ShangZhan Li, Qingguo Hu, Xinyu Yin, Bo Guo, Xu Han, Maosong Sun, Jinsong Su

机构 * Xiamen University（厦门大学） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.CL

AI总结 本文提出一种集成EDA工具的多智能体框架，用于高质量Verilog代码生成，通过进化记忆机制实现功能正确性和PPA指标的联合优化。

CODMAS: A Dialectic Multi-Agent Collaborative Framework for Structured RTL Optimization

CODMAS：一种基于辩证多智能体协作的结构化RTL优化框架

Che-Ming Chang, Prashanth Vijayaraghavan, Ashutosh Jadhav, Charles Mackin, Vandana Mukherjee, Hsinyu Tsai, Ehsan Degan

机构 * National Taiwan University（国立台湾大学） ； IBM Research（IBM研究院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.CL

AI总结 CODMAS通过结合结构化辩证推理与领域感知代码生成和确定性评估，实现RTL优化自动化，显著提升了时钟门控的功耗降低和流水线的延迟减少效果。

Journal ref EACL 2026

From Image Generation to Infrastructure Design: a Multi-agent Pipeline for Street Design Generation

从图像生成到基础设施设计：一种多智能体管道用于街道设计生成

Chenguang Wang, Xiang Yan, Yilong Dai, Ziyi Wang, Susu Xu

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Stony Brook University（石溪大学） ； University of Florida（佛罗里达大学） ； University of Maryland（马里兰大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出一种多智能体系统，直接在真实街道视图上编辑和重新设计自行车设施，整合车道定位、提示优化、设计生成和自动评估，生成符合情境的街道设计。

Comments 25 pages, 8 figures

MOSAIC: Multi-agent Orchestration for Task-Intelligent Scientific Coding

MOSAIC：多智能体协作用于任务智能的科学编码

Siddeshwar Raghavan, Tanwi Mallick

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.CL

AI总结 MOSAIC通过多智能体协作解决复杂科学编码任务，采用自反思和学生-教师模式提升准确性和鲁棒性。

Comments The paper requires a great deal of restructuring to be beneficial to the research community. We also identified some issues with the current experiments and improvements in LLM models which we want our work to reflect

Federated Multi-Agent Mapping for Planetary Exploration

联邦多智能体制图用于行星探索

Tiberiu-Ioan Szatmari, Abhishek Cauligi

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.LG

AI总结 本文提出一种联邦多智能体制图方法，通过隐式神经制图生成高效适应性表示，减少数据传输达93.8%，并利用元初始化加速地图收敛，实现火星地形和冰川数据集的高路径规划F1分数。

Comments 7 pages, 6 figures

Orla: A Library for Serving LLM-Based Multi-Agent Systems

Orla：一个用于服务基于LLM的多智能体系统的库

Rana Shahout, Hayder Tirmazi, Minlan Yu, Michael Mitzenmacher

机构 * Harvard University（哈佛大学） ； Boston University（波士顿大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)；workflow(abstract)；agentic(abstract)

AI总结 Orla提供了一种通用抽象，将请求执行与工作流级策略分离，通过阶段映射器、工作流编排器和内存管理器实现智能体级控制，展示了在客户支持工作流中的应用，并通过两个数据集验证了其在延迟和成本上的改进。

Efficient and Interpretable Multi-Agent LLM Routing via Ant Colony Optimization

通过蚁群优化实现高效且可解释的多智能体大语言模型路由

Xudong Wang, Chaoning Zhang, Jiaquan Zhang, Chenghao Li, Qigan Sun, Sung-Ho Bae, Peng Wang, Ning Xie, Jie Zou, Yang Yang, Hengtao Shen

机构 * School of Computing, Kyung Hee University（Kyung Hee 大学计算机学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（中国电子科技大学信息与软件工程学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（中国电子科技大学计算机科学与工程学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；tool use(abstract)；分类 cs.AI

AI总结 本文提出AMRO-S框架，通过意图推理、任务特定信息素专家和质量门控异步更新机制，提升多智能体系统路由效率与可解释性，实验显示其在质量-成本权衡上优于现有方法。

Comments 11 pages, 3 figures, submitted to IEEE Transactions on Artificial Intelligence

Partially Observable Multi-Agent Reinforcement Learning with Information Sharing

部分可观测多智能体强化学习与信息共享

Xiangyu Liu, Kaiqing Zhang

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.LG

AI总结 本文研究了在部分可观测随机游戏框架下可证明的多智能体强化学习问题，提出利用智能体间的信息共享来解决计算复杂性问题，并设计了具有准多项式时间复杂度的算法，扩展至合作部分可观测马尔可夫决策过程。

Comments Final journal version of the ICML 2023 conference paper, accepted to SIAM Journal on Control and Optimization (SICON)

Multi-Agent Collaboration for Automated Design Exploration on High Performance Computing Systems

多智能体协作用于高性能计算系统上的自动化设计探索

Harshitha Menon, Charles F. Jekel, Kevin Korner, Brian Gunnarson, Nathan K. Brown, Michael Stees, M. Giselle Fernandez-Godino, Walter Nissen, Meir H. Shachar, Dane M. Sterbentz, William J. Schill, Yue Hao, Robert Rieben, William Quadros, Steve Owen, Scott Mitchell, Ismael D. Boureima, Jonathan L. Belof

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.AI

AI总结 MADA框架通过多智能体协作实现自动化设计探索，专注于惯性约束聚变中的RMI抑制问题，利用HPC系统和机器学习替代方案提升设计效率。

Learning responsibility allocations for multi-agent interactions: A differentiable optimization approach with control barrier functions

多智能体交互中的责任分配学习：一种基于可微优化与控制屏障函数的方法

Isaac Remy, David Fridovich-Keil, Karen Leung

机构 * University of Washington, Department of Aeronautics and Astronautics（华盛顿大学航空航天系） ； University of Texas, Austin, Department of Aerospace Engineering and Engineering Mechanics（得克萨斯大学奥斯汀分校航空航天工程与工程力学系） ； NVIDIA 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；autonomous agent(abstract)；分类 cs.LG

AI总结 本文提出一种基于控制屏障函数和可微优化的方法，用于学习多智能体交互中的责任分配，通过数据驱动的方式实现对安全交互行为的可解释性分析。

Comments 8 pages, 7 figures

Coverage-Guided Multi-Agent Harness Generation for Java Library Fuzzing

面向 Java 库的覆盖引导多智能体模糊生成

Nils Loose, Nico Winkel, Kristoffer Hempel, Felix Mächtle, Julian Hans, Thomas Eisenbarth

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.SE

AI总结 本文提出一种多智能体架构，通过 LLM 功能智能体自动化生成 Java 库的模糊 harnesses，提升模糊测试效率并发现漏洞。

Comments Accepted at The 19th International Workshop on Search-Based and Fuzz Testing (SBFT 2026, ICSE Workshop)

A Novel Multi-Agent Architecture to Reduce Hallucinations of Large Language Models in Multi-Step Structural Modeling

一种新型多智能体架构以减少大型语言模型在多步骤结构建模中的幻觉

Ziheng Geng, Jiachen Liu, Ran Cao, Lu Cheng, Dan M. Frangopol, Minghui Cheng

机构 * Department of Civil and Architectural Engineering, University of Miami（迈阿密大学土木与建筑工程系） ； HBC Engineering Company（HBC工程公司） ； College of Civil Engineering, Hunan University（湖南大学土木学院） ； Department of Computer Science, University of Illinois Chicago（伊利诺伊大学芝加哥分校计算机科学系） ； Department of Civil and Environmental Engineering, Lehigh University（莱斯利大学土木与环境工程系） ； School of Architecture, University of Miami（迈阿密大学建筑学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出了一种新型多智能体架构，通过并行代理协同工作，利用OpenSeesPy实现多步骤结构建模自动化，有效减少幻觉并提高计算效率。

EFT-CoT: A Multi-Agent Chain-of-Thought Framework for Emotion-Focused Therapy

EFT-CoT：一种针对情感导向治疗的多智能体链式思考框架

Lanqing Du, Yunong Li, YuJie Long, Shihong Chen

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.CL

AI总结 EFT-CoT提出一种基于情感导向治疗的多智能体框架，通过三个阶段工作流程提升心理健康问答的共情深度和专业性。

Information-Theoretic Privacy Control for Sequential Multi-Agent LLM Systems

信息论视角下的序列多智能体大语言模型系统隐私控制

Sadia Asif, Mohammad Mohammadi Amiri

机构 * Department of Computer Science, Rensselaer Polytechnic Institute, Troy New York（计算机科学系，雷士拉尔理工大学，特洛伊新 York） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.LG

AI总结 本研究提出了一种信息论视角下的隐私控制框架，用于解决序列多智能体LLM系统中因信息流而产生的隐私泄露问题，通过约束信息流实现隐私与效用的平衡。

A Multi-Agent Framework for Interpreting Multivariate Physiological Time Series

多智能体框架用于解释多变量生理时间序列

Davide Gabrielli, Paola Velardi, Stefano Faralli, Bardh Prenkaj

机构 * Sapienza University of Rome Rome Italy ； ISTC-CNR \& Sapienza University of Rome Rome Italy ； Technical University of Munich Munich Germany ； Sapienza University of Rome ； ISTC-CNR \& Sapienza University of Rome ； Technical University of Munich 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.LG

AI总结 本研究提出Vivaldi多智能体框架，通过对比不同模型表现，发现智能体系统在非思考模型中提升解释质量，但在思考模型中反而降低相关性，强调了计算外部化在医疗AI中的重要性。

MACC: Multi-Agent Collaborative Competition for Scientific Exploration

MACC：多智能体协作竞争用于科学探索

Satoshi Oyama, Yuko Sakurai, Hisashi Kashima

机构 * Nagoya City University（名古屋市大学） ； Nagoya Institute of Technology（名古屋技术大学） ； Kyoto University（京都大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；AI agent(abstract)；分类 cs.AI

AI总结 MACC是一种机构架构，通过整合共享工作空间和激励机制，促进多智能体在科学探索中的协作与竞争，以提高探索的可扩展性和可靠性。

Comments Camera-ready version. To appear in the Proceedings of AAMAS 2026 (Blue Sky Ideas Track)

Multi-Agent-Based Simulation of Archaeological Mobility in Uneven Landscapes

基于多智能体的考古移动性在不规则地形中的模拟

Chairi Kiourt, Vassilis Evangelidis, Dimitris Grigoropoulos

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出了一种多智能体建模框架，用于模拟不规则地形中的考古移动性，通过强化学习实现高效动态适应，展示了地形感知追捕和运输分析的应用。

LiaisonAgent: An Multi-Agent Framework for Autonomous Risk Investigation and Governance

LiaisonAgent: 一个用于自主风险调查与治理的多智能体框架

Chuanming Tang, Ling Qing, Shifeng Chen

机构 * Shenzhen Institute of Advanced Technology, CAS（深圳先进技术研究院, 中国科学院） ； Sangfor Technologies Inc.（Sangfor技术有限公司） ； College of Management Science（管理科学学院） ； Chengdu University of Technology（成都理工大学） ； Shenzhen University of Advanced Technology（深圳大学先进技术学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 LiaisonAgent通过多智能体系统实现自主风险调查与治理，结合QWQ-32B模型和混合规划架构，提升安全响应效率与准确性。

Comments Under Review

Evaluating Theory of Mind and Internal Beliefs in LLM-Based Multi-Agent Systems

评估基于大语言模型的多智能体系统中的理论心和内部信念

Adam Kostka, Jarosław A. Chudziak

机构 * Warsaw University of Technology（华沙技术大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文提出一种整合理论心、BDI内部信念和符号求解器的多智能体架构，评估其在资源分配问题中提升协作智能的效果。

Journal ref 17th International Conference on Computational Collective Intelligence (ICCCI 2025)

ProductResearch: Training E-Commerce Deep Research Agents via Multi-Agent Synthetic Trajectory Distillation

ProductResearch: 通过多智能体合成轨迹蒸馏训练电商深度研究代理

Jiangyuan Wang, Kejun Xiao, Huaipeng Zhao, Tao Luo, Xiaoyi Zeng

机构 * Alibaba International Digital Commercial Group（阿里巴巴国际数字商业集团） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；tool-use(abstract)；分类 cs.AI

AI总结 ProductResearch通过多代理合成轨迹蒸馏训练电商深度研究代理，提升复杂购物查询的响应全面性和用户效用。

LumiMAS: A Comprehensive Framework for Real-Time Monitoring and Enhanced Observability in Multi-Agent Systems

LumiMAS: 多智能体系统中实时监控与增强可观测性的综合框架

Ron Solomon, Yarin Yerushalmi Levi, Lior Vaknin, Eran Aizikovich, Amit Baras, Etai Ohana, Amit Giloni, Shamik Bose, Chiara Picardi, Yuval Elovici, Asaf Shabtai

机构 * Ben-Gurion University of the Negev（贝内杰尔大学） ； Fujitsu Research of Europe（富士通欧洲研究） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.AI

AI总结 LumiMAS通过三个核心层实现多智能体系统的实时监控与异常检测，有效提升故障分类和根本原因分析能力。

MACD: Multi-Agent Clinical Diagnosis with Self-Learned Knowledge for LLM

MACD: 基于自学习知识的多智能体临床诊断

Wenliang Li, Rui Yan, Xu Zhang, Li Chen, Hongji Zhu, Jing Zhao, Junjun Li, Mengru Li, Wei Cao, Zihang Jiang, Wei Wei, Kun Zhang, Shaohua Kevin Zhou

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.AI

AI总结 MACD通过多智能体框架实现LLM自学习临床知识，提升诊断准确率，与医生单独诊断相比表现更优，展示人机协作的协同潜力。

Scaling Lifelong Multi-Agent Path Finding to More Realistic Settings: Research Challenges and Opportunities

将终身多智能体路径寻找扩展到更现实的场景：研究挑战与机遇

He Jiang, Yulun Zhang, Rishi Veerapaneni, Jiaoyang Li

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI

AI总结 本文探讨了将终身多智能体路径寻找扩展到现实场景中的三个研究挑战及未来发展方向。

Comments Accepted to Symposium on Combinatorial Search (SoCS), 2024

OMNI-LEAK: Orchestrator Multi-Agent Network Induced Data Leakage

OMNI-LEAK：协调多智能体网络引发的数据泄露

Akshat Naik, Jay Culligan, Yarin Gal, Philip Torr, Rahaf Aljundi, Alasdair Paren, Adel Bibi

机构 * University of Oxford（牛津大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；AI agent(abstract)；分类 cs.AI

AI总结 OMNI-LEAK攻击通过多智能体协调设置中的单个提示注入泄露敏感数据，揭示了多代理系统在数据安全方面的关键漏洞。

Comments Preprint; corrected typos